TensorFlow学习- GPU显存占满而利用率（util）很低原因&提高方法

2080的显卡，跑YOLOv3，显存已经满了，显卡利用率却只有7%

百度了一圈，看到几篇比较靠谱的博客，直接贴链接

参考1：
TensorFlow如何提高GPU训练效率和利用率
分析显卡利用率低的原因是每个训练过程中有些进程是在CPU中执行的，像load下个batch、预处理batch、打印日志、后处理等，并且有的任务cpu和GPU是交替执行的，进一步降低了GPU利用率。
提出了四个方式提高利用率：
1、把代码都用tf的API重写；
2、使用Estimator把大部分代码写进计算图
3、使用th.data预处理数据集，并用tf.records存储
4、用prefetch、parallel mapping使样本并行处理，不让gpu闲着

由于是新手具体的操作过程哈没看懂，详细直接看原文。

参考2：
实验中GPU利用率低的可能的原因：
作者进行试验分析出来是日志的问题，把关于权重和偏差值记录的代码注释掉之后利用率提高了。原因和上一篇差不多。

参考3：
GPU Memory Usage占满而GPU-Util却为0的调试
作者的CPU全满，GPU却是0
通过阅读官方文档分析出原因是 GPU不能计算 float64，算的话就很慢
然后根据文档建议，使用config和warn_float64帮助找到float64的输入；之后试图设定一个cast_policy参数，自动把numpy产生的数组转换成float32失败；最后检查所有numpy调用，全部手动制定dtype=numpy.float32，执行一下某个命令，成功!